?????? CNN廣泛應(yīng)用于目標(biāo)檢測(cè)的各個(gè)場(chǎng)景，殘差網(wǎng)絡(luò)在目標(biāo)檢測(cè)方面取得了領(lǐng)先結(jié)果。對(duì)于傳統(tǒng)應(yīng)用，使用全局特征+級(jí)聯(lián)分類器的思路仍然被持續(xù)使用。常用的級(jí)聯(lián)方法有haar特征+Adaboost決策樹分類器級(jí)聯(lián)檢測(cè) 和HOG特征 + SVM分類器級(jí)聯(lián)檢測(cè)。

?????? 圖像的全局特征可以直接用于圖像分類和目標(biāo)檢測(cè)，基于圖像塊提取特定維度的特征，常用的全局特征有HOG特征、HaarLike特征、LBP特征等。

?

?????? 幾個(gè)主要的全局特征算法年代發(fā)展表：

?????? 1. 1994年的LBP特征：（Local Binary Pattern，局部二值模式）是一種用來描述圖像局部紋理特征的算子；它具有旋轉(zhuǎn)不變性和灰度不變性等顯著的優(yōu)點(diǎn)。它是首先由T. Ojala, M.Pietik?inen, 和 D. Harwood 在1994年提出，用于紋理特征提取。而且，提取的特征是圖像的局部的紋理特征；并在人臉識(shí)別方面得到普遍應(yīng)用。

?

?????? 2. 2001年的Haar-Like特征：2001年，Viola和Jones兩位大牛發(fā)表了經(jīng)典的《Rapid? Object?Detection using?a? Boosted?Cascade?of? Simple?Features》和《Robust?Real-Time?Face?Detection》，在AdaBoost算法的基礎(chǔ)上，使用Haar-like小波特征和積分圖方法進(jìn)行人臉檢測(cè)，他倆不是最早使用提出小波特征的，但是他們?cè)O(shè)計(jì)了針對(duì)人臉檢測(cè)更有效的特征，并對(duì)AdaBoost訓(xùn)練出的強(qiáng)分類器進(jìn)行級(jí)聯(lián)。這可以說是人臉檢測(cè)史上里程碑式的一筆了，也因此當(dāng)時(shí)提出的這個(gè)算法被稱為Viola-Jones檢測(cè)器。又過了一段時(shí)間，Rainer?Lienhart和Jochen?Maydt兩位大牛將這個(gè)檢測(cè)器進(jìn)行了擴(kuò)展，最終形成了OpenCV現(xiàn)在的Haar分類器。

?????? 參考文章：目標(biāo)檢測(cè)之Haar特征、積分圖、級(jí)聯(lián)、AdaBoost

?

?????? 3. 2005年的HOG特征：方向梯度直方圖（Histogram of Oriented Gradient, HOG）特征是一種在計(jì)算機(jī)視覺和圖像處理中用來進(jìn)行物體檢測(cè)的特征描述子。它通過計(jì)算和統(tǒng)計(jì)圖像局部區(qū)域的梯度方向直方圖來構(gòu)成特征。Hog特征結(jié)合SVM分類器已經(jīng)被廣泛應(yīng)用于圖像識(shí)別中，尤其在行人檢測(cè)中獲得了極大的成功。

?

?????? 4.2008年的DPM方法：DPM方法在行人檢測(cè)上取得了使用傳統(tǒng)特征提取+機(jī)器學(xué)習(xí)方法的頂峰，被稱為非深度學(xué)習(xí)方法的最后一個(gè)里程碑。由Felzenszwalb在2008年提出，并發(fā)表了一系列的cvpr，NIPS。并且還拿下了2010年，PASCAL VOC的“終身成就獎(jiǎng)”。DPM方法的主要貢獻(xiàn)為可變性描述子+隱式向量機(jī)模型。

?

參考資料：

????? LBP特征：圖像全局特征提取-LBP特征

????? Haar-Like特征：淺析人臉檢測(cè)之Haar特征

? ? ? HOG特征：目標(biāo)檢測(cè)之HOG特征提取

?

總結(jié)

以上是生活随笔為你收集整理的图像的全局特征--用于目标检测的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。